Jaqueline Aparecida Hidalgo dos Santos

DETERMINAÇÃO DE BACTERIAS CAUSADORAS DE DST UTILIZANDO
QUIMIOMETRIA E METODOS DE INTELIGENCIA ARTIFICIAL,
APLICADO A ESPECTROS NO INFRAVERMELHO MÉDIO.
Jaqueline Aparecida Hidalgo dos Santos1, Cesar Mello2
Estudante do Curso de Química; e-mail: [email protected]
Professor da Universidade de Mogi das Cruzes; e-mail: [email protected]
Área do Conhecimento: Biofísica Molecular
Palavras-chave: Infravermelho médio, DST’s, Inteligência Artificial
Área de conhecimento: Ciências exatas e da terra
INTRODUÇÃO
Uma situação muito comum, principalmente em países pobres e países emergentes são
as doenças sexualmente transmissíveis (DST’s) (FOCACCIA et. al 2001; PASSOS et.
al 2002) causadas basicamente pelos microrganismos Haemophilus ducreyi, Neisseria
gonorrhoeae, Gardnerella vaginalis e Candida albicans, afetando de modo grave a
população mais pobre. O fato mais perigoso é que estas infecções acometem indivíduos
jovens que em boa parte dos casos são assintomáticos, nas fases iniciais da doença
(principalmente as mulheres), disseminando rapidamente tais DST’s. A grande
dificuldade encontrada no tratamento destes casos é o tempo necessário para a
identificação (DELOST, 1997) da bactéria causadora da infecção, o diagnostico pode
demorar até duas semanas, e se não houver sucesso pode levar até mais tempo, são
feitos em meios de cultura que forneçam as características nutricionais e bioquímicas
necessárias ao crescimento de colônias (HENRY, 1997). Uma vez desenvolvidas as
colônias segue-se a análise morfológica, através de microscopia óptica e a sequencia, de
várias etapas de testes bioquímicos e sorológicos utilizando uma série de reagentes, esse
método exige mão de obra especializada aumentado os custos. Ainda existem outros
métodos, mas muitos deles inviáveis, pois necessitam de Mao de obra especializada e
são técnicas de elevado custo. A perspectiva de utilização da espectroscopia no
infravermelho médio (ZUPAN et. al 1994; CHAN et. al 1997) para a rápida
determinação e quantificação, simultânea de bactérias em meios de cultura sólidos ou
líquidos é extremamente atraente dada à simplicidade experimental dos métodos
envolvidos, o não uso de reagentes, os baixos limites de detecção possíveis de serem
alcançados e principalmente a possibilidade de identificar/quantificar simultaneamente
bactérias de um modo extremamente rápido. Utiliza-se aplicação de métodos não
lineares de classificação/calibração multivariada (MELLO et. al 2005) em que toda a
informação contida no espectro, e não somente bandas espectrais características de cada
espécie. Isto nos permite modelar sistemas em que há forte sobreposição entre os
espectros, bem como relações não lineares entre a resposta espectral e a concentração e
tipo dos microorganismos em questão. Elimina-se assim a necessidade de
separação/crescimento diferencial dos microorganismos e abre-se a possibilidade de
determinações qualitativas e quantitativas em tempos muito reduzidos. Dentre os
métodos Quimiométricos não lineares mais eficientes de classificação/calibração
multivariada, possíveis de serem aplicados neste caso, destacam-se as redes neurais,
(MELLO et. al 1999; MELLO et. al 2001; PEREIRA FILHO et. al 2001) as máquinas
suportadas em vetores com mínimos quadrados (LS-SVM) e a teoria da espectroscopia
de correlação generalizada em duas dimensões (2D-MID).
OBJETIVO
Determinar de modo rápido e eficiente as bactérias causadoras de doenças sexualmente
transmissíveis, utilizando infravermelho médio e máquinas suportadas em vetores com
mínimos quadrados (LS-SVM)
METODOLOGIA
Foram realizadas as culturas das bactérias, cada uma em seu meio e condições
adequadas. Após a cultura das bactérias foi obtidos os espectros no infravermelho. Com
a alça descartável retiramos algumas colônias (sempre tendo o cuidado de não pegar o
meio de cultura junto, para que não ocorresse interferência nos resultados) e espalhamos
sobre a placa de ATR multiponto. Cada bactéria foi sujeita ao mesmo processo de
analise.
RESULTADOS/DISCUSSÕES
Os espectros de todas as bactérias foram obtidos entre 650 cm-1 e 4000 cm-1. Para cada
tipo de bactéria foram obtidos 15 espectros sendo que cada espectro foi tomado como a
média de três espectros, perfazendo 45 espectros por bactérias. Uma vez obtidos os
espectros das bactérias o próximo passo foi efetuar o pré-processamento, dos mesmos
para a normalização e a remoção de ruído. O ruído foi minimizado com o filtro de
transformada de Fourier e a normalização foi feita entre 0 e 1. Após o préprocessamento passamos para o modelamento de dados e o primeiro método utilizado
foi à análise de componentes principais (PCA) para observar se há separação de grupos
e a formação de clusters, o resultado está apresentado na Figura abaixo.
Conforme podemos observar, as bactérias formam três grupos absolutamente distintos,
os espectros “caíram” sobrepostos, pois o número de espectros era reduzido e o HATH
funcionou muito bem. Assim sendo podemos construir um modelo do tipo PLS-DA.
Pode-se observar neste gráfico, que existe uma excelente correlação entre o tipo de
bactéria previsto com o observado, havendo uma leve dispersão para a Cândida
Albicans. Conforme proposto no projeto inicial, conseguimos modelar o sistema com as
LSSVM, o modelo foi um pouco melhor que o PLS-DA, pois não houve aquela
pequena dispersão para o grupo 3 (Cândida Albicans), a qual foi observada no modelo
PLS-DA, como apresenta o gráfico abaixo.
CONCLUSÕES
O método de analise utilizando infravermelho médio se demonstrou eficaz na
identificação e diferenciação das bactérias, principalmente da Haemophilus ducreyi,
Neisseria gonorrhoeae e Candida albicans, pois através dos espectros obtidos é
possível diferenciar as bactérias, usando métodos de inteligência Artificial, ou seja,
LSSVM e PLS-DA.
REFERÊNCIAS BIBLIOGRÁFICAS
FOCACCIA, Roberto; MARQUES Bruno Pompeu e Luis Alberto V. dos Santos, Atlas
de DST/EST: Guia Prático e Dificuldade no Diagnóstico, Ed. Atheneu, 2001.
PASSOS, Mauro Romero Leal; ALMEIDA Gutemberg Leão. Atlas de DST e
Diagnóstico Diferencial, Ed. Revinter, 1° ed., 2002.
DELOST, Maria Dannesa; “Introduction to diagnostic microbiology”, Mosby inc., Saint
Louis, 1997.
HENRY, John Bernard, “Diagnósticos clínicos e tratamento por métodos laboratoriais”,
Manole, São Paulo, 3°ed., 1997.
ZUPAN, J.; NOVIC, M.; LI, X.; GASTEIGER J. Classification of multicomponent
analytical data of olive oils using different neural networks. Anal. Chim. Acta. 292, p.
219-234 1994.
CHAN, Helen; BUTLER, Alexander, FALCK David M.; FREUND; Michael S.
Artificial Neural Network Processing of Stripping Analysis Responses for Identifying
and Quantifying Heavy Metals in the Presence of Intermetallic Compound Formation.
Anal. Chem., Pennsylvania, v 69, p. 2373-2378, 1997.
MELLO, Cesar, LIMA, Silvio L. T.; POPPI, Ronei Jesus. PLS Pruning: a New
Approach to Variable Selection for Multivariate Calibration Based on Hessian Matrix of
Errors. Anais da 25a RBA Saberes e praticas antropológicas, desafios para o século
XXI, USA, v. 76, p. 73-78, 2005.
MELLO, Cesar, ANDRADE, João Carlos de; POPPI, Ronei Jesus; CANTARELLA, H.
Pruning Neural Netwoks for Architecture Optmizations Applied to Near – Infrared
Reflectance Spectroscopic Measurements. Determination of the Nitrogen Content in
wheat leaves. The Analyst, v. 124, p. 1663-1669, 1999.
MELLO, Cesar; CERQUEIRA, E.O; ANDRADE, João Carlos de; POPPI, Ronei Jesus.
Redes Neurais e suas aplicações em calibração multivariada. Química Nova, v. 24, p.
863-864, 2001.
PEREIRA FILHO, Edenir R.; MELLO, Cesar; COSTA FILHO, Paulo A.; POPPI,
Ronei J.; ARRUDA, Marco A. Z. Neuro-Genetic approach for Optmisation of the
spectrophotometric catalytic determination of cobalt. Analytica Chimica Acta, v. 433,p.
111-117, Amisterdã, 2001.